在使用贪心算法解决问题时,以下是一些技巧和注意事项:
-
理解问题的特性:贪心算法适用于一些具有贪心选择性质的问题。这意味着在每个步骤中,你都可以做出当前最优的选择,而不需要回溯或者考虑未来的选择。
-
确定贪心策略:贪心算法的关键是选择一个合适的贪心策略。这需要你对问题有深入的理解。贪心策略可以是基于最大值、最小值、最大/最小比率等等。
-
证明贪心选择的正确性:在使用贪心算法时,你需要能够证明每次贪心选择都是最优的,而不会导致最终结果的不正确性。这可以通过数学归纳法、反证法或其他证明方法来完成。
-
实现贪心算法:根据你选择的贪心策略,实现相应的贪心算法。通常情况下,贪心算法的实现比较简单和高效。
-
测试和优化:完成贪心算法的实现后,进行全面的测试并优化算法性能。确保算法能够处理各种输入情况,并且在合理的时间内给出结果。
需要注意的是,贪心算法并不是解决所有问题的万能算法。有些问题无法通过贪心策略得到最优解,或者贪心算法可能得到次优解。因此,在应用贪心算法之前,要确保问题具有贪心选择性质,并进行适当的分析和验证。
LeetCode455:分发饼干
思路:两个数组排序之后,计数s[i] >=g[count]
即可。
class Solution {
public int findContentChildren(int[] g, int[] s) {
if(s.length == 0){
return 0;
}
Arrays.sort(g);
Arrays.sort(s);
int ans = 0;
int count = 0;
for(int i=0;i<s.length;i++){
if(count < g.length && s[i]>=g[count]){
count++;
ans++;
}
}
return ans;
}
}
LeetCode376摆动序列
class Solution {
public int wiggleMaxLength(int[] nums) {
// 多用空间换时间,可创建变量来记录前一个和后一个差值
// 避免在逻辑处理上的麻烦
boolean flag = false;
int ans = 1;
int prediff = 0; // 记录前一个结果
int nextdiff = 0; // 记录当前的结果
for(int i=0;i<nums.length-1;i++){
nextdiff = nums[i+1] - nums[i];
if((prediff>=0 && nextdiff<0) ||(prediff<=0 && nextdiff >0)){
ans++;
prediff = nextdiff;
}
}
return ans;
}
}
LeetCode53最大子数组和
思路:局部最右,就是当连续和出现小于0的情况就从下一个重新开始计数(当前这个必为负数)。
用一个变量sum来记录求和时的最大和。这样不会错过最大值的情况。
注意,sum初始化的时候要初始化为最小值。
class Solution {
public int maxSubArray(int[] nums) {
// 贪心解法:
// 局部最优:遇到连续和小于0的时候就重新开始计数求和
// 全局最右:得到最大和的连续子数组的最大和。
int sum = Integer.MIN_VALUE;
int count = 0;
for(int i=0;i<nums.length;i++){
count += nums[i];
if(count > sum){
sum = count;
}
if(count<0){
count = 0;
}
}
return sum;
}
}